2021山东大学web数据管理试卷回忆

根据老师划的重点硬背就行_(:_」∠)_可以参考搜索技术&信息检索考试内容
这里贴一个20年试卷

第一部分 填空 一空一分 30分
（能记得多少是多少了,不按照顺序）
1.DFS优于BFS的原因_____
2.爬虫的礼貌性是_______
3.按照页面承载的内容不同分为____型页面和____型页面
4.构建词项词典的步骤：文档解析，____ ，____ ，____，停用词
5.停用词的消除方法：____和 ____
6.分词算法有基于NLP理解的分词方法，基于 ____的分词方法，基于 ____的分词方法
7.统计语言模型是 ____, 应用有 ____
8.基于内容的信息检索模型有 ____模型， ____模型和概率模型
9. BM25公式主要由三个部分组成： ____, ____, ____
10.CBIR的关键技术： ____, ____
11.颜色矩是在颜色直方图的基础上计算出 ____, ____, ____，用这些统计量替代颜色的分布来表示颜色特征
12.Tamura纹理特征中 ____, ____, ____对于图像检索尤为重要
13.LBP的全称是 _____，一种有效的 _____描述算子，记录像素点与 _______。

第二部分 名词解释 一题6分 共30分
1.正则表达式
2.WEB数据抽取
3.倒排索引
4.TF/IDF
5.BOF

第三部分 简答题 一题10分 共40分
1.简述反爬虫策略和爬虫的应对
2.HMM，基于HMM的中文分词
3.网站排序算法和原理
4.PLSA，PLSA和LSA的异同